显然拉丁字母表确实如此。但我在概念意义上,跨语言和Unicode规范提出这个问题。
实际上,这是为了比较两个字符串。如果您已经知道它们在所有语言中的字节数不同 - 您是否可以认为这足以保证它们不是同一字符串的不同“套管”版本?
答案 0 :(得分:9)
没有
考虑U + 0069“i”,它具有UTF-8中的八位字节值69
。在大写形式U + 0130“İ”中,此代码点形成UTF-8序列C4 B0
。
强制性说明:案例区别于区域设置。
答案 1 :(得分:5)
Unicode标准中没有保证这一点的原则或不变量。我会特别关注重音大写字母,在这些大写字母中,预编译和非预合成之间可能存在不匹配。但是,我不能举出一个问题的例子。